3 sujets sont proposés cette année, dont 2 avec NETLOGO.

1. Simulation agents sociaux
2. Apprentissage constructiviste
3. Visualisation de données

Les 2 premiers projets sont volontairement un peu généraux, la réalisation portera sur un sujet précis défini conjointement avec les étudiants selon leur intérêt. Pour en savoir plus : veronique.deslandres at liris.cnrs.fr

Les projets consistent à découvrir la modélisation d'agents sociaux via la plateforme NetLogo, disponible en open source (JAVA https://ccl.northwestern.edu/netlogo/docs/).

La plateforme propose un certain nombre de modèles prédéfinis.

Le premier projet consiste à étudier ces modèles, leurs limites, et développer un modèle adapté pour traiter une problématique sociale simple, au choix des étudiants, pour laquelle on aura trouvé des données de benchmark (ex. impact du contrôle des naissance, mise en œuvre du revenu universel, … ou rendre piétonnier le centre de Lyon, etc).

Ce travail nécessite un travail préalable d'état de l'art portant sur :

• la découverte des algorithmes de représentation de données et de raisonnement, inspirés du fonctionnement du néocortex humain
• l'utilisation des systèmes agents pour les problématiques sociales.

Le 2ème projet utilisera le robot ERNEST et les modèles d'interactions proposés modéliser 2 agents qui interagissent par ex. pour explorer un espace minés et rapporter certains objets cibles, en exploitant des techniques d'apprentissage constructiviste (sans représentation a priori, sans pattern d'interaction prédéfini, juste en apprenant de ses actions dans l'environnement et avec l'autre agent).

Pour ce projet, l'état de l'art portera sur les techniques d'apprentissage développemental qu'on peut mettre en œuvre pour l'agent dans sa construction des représentations de son environnement, sur quelques scénarios simples.

Mots-clefs : systèmes multi-agents, agents sociaux, systèmes autonomes, niveau micro/macro, techniques d'apprentissage bioinspiré, algorithmes HTM (Hierarchical Temporal Memory)

Technologies : java, robot Ernest (thèse Simon Gay, sources disponibles, LIRIS)

Détails sur le stage réalisé : ici

Exploration de méthodes et outils pour l’interprétation visuelle de données

Comment exploiter visuellement des résultats de benchmarks ? Les tableaux de chiffres sont peu attrayants et très souvent on doit visuellement marquer (par des cercles ou des couleurs ajoutés sur l’image) ce que l’on souhaite montrer. Cela demande du temps et le résultat n’est pas toujours satisfaisant.

D’autre part se pose le problème d’échelle : un certain niveau de détails peut être requis pour mettre en avant certains aspects (pour une colonne ou un nuage de points donné, par ex.), tandis que pour d’autres, la vision d’ensemble suffit. Comment permettre un focus dynamique ?

Enfin pour les grands volumes de données, la représentation visuelle seule est insuffisante (rien que par la limite de la taille du papier ou de l’écran). C’est pourquoi il faut sans doute utiliser une combinaison de traitements automatiques et de méthodes de visualisation.

Le stage consistera à étudier cette problématique. Dans une première approche, on envisage les étapes suivantes :

• Etude des pratiques des chercheurs pour leurs travaux, allant de la simple visualisation de benchmarks à l’étude plus poussée de résultats chiffrés, permettant ensuite de définir les critères de comparaison des méthodes et outils ;
• Etude des outils et méthodes de visualisation récents disponibles et comparatif, avec notamment le logiciel R, en approfondissant leur capacité d’adaptation aux grands volumes de données et à la possibilité de focus dynamique ;
• Identification de pistes d’amélioration de la visualisation de grands volumes de données, et proposition d’automatisation de certaines tâches ;
• Mise en œuvre avec le meilleur outil (gratuit) sur des jeux de données fournis.